modeller

OpenAI: Text Embedding Ada 002

Markdown · JSON

OpenAI: Text Embedding Ada 002

En tekstembeddingmodell fra OpenAI som returnerer en numerisk vektor med 1 536 dimensjoner. Bruk representasjonene til semantisk søk, anbefalinger av relatert innhold, klyngedannelse, klassifisering eller oppdagelse av uvanlige tekstposter.

Om modellen

Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.

text-embedding-ada-002 er OpenAIs tekstembeddingmodell for å representere skriftlig materiale som en numerisk vektor. Resultatet inneholder 1 536 komponenter. Produsenten kombinerer tekstlikhet, dokument-/forespørselssøk og kodesøk i én representasjon. Resultatet er data for sammenligning eller en annen algoritme, ikke et generert svar på teksten det beregnes en embedding av.

For semantisk søk klargjøres meningsfulle dokumentpassasjer, og kildeidentifikatorene bevares. En illustrerende arbeidsflyt beregner embeddingvektorer for hver passasje og brukerens spørsmål med samme modell, sammenligner vektorene og returnerer de relevante kildepassasjene. Applikasjonen bestemmer gjenfinningsregelen, filtrene og presentasjonen. Et påfølgende tekstgenereringstrinn kan bruke det hentede materialet til å utforme et svar, mens embeddingmodellen leverer den numeriske representasjonen.

Andre dokumenterte bruksområder omfatter gruppering av lignende poster, anbefalinger av relatert innhold, klassifisering av tekst og identifisering av avvikere. For en anbefaling sammenlignes beskrivelser av objektene hvis forhold er relevant. For klassifisering beskriver veiledningen sammenligning med kategorirepresentasjoner eller bruk av vektorer som egenskaper i en klassifikator. For anomalideteksjon er det relevante resultatet en post som skiller seg fra samlingen rundt, tolket etter produktets oppgave.

OpenAI oppgir maksimalt 8 192 tokener per inndataelement for denne modellen. Produsentens embedding-API godtar tekststrenger eller tokeniserte inndata, tillater flere inndataelementer i én forespørsel og avviser tomme strenger. Den samlede grensen er 300 000 tokener i én forespørsel, i tillegg til grensen per inndataelement. Del lengre dokumenter i nyttige passasjer, og bevar titler, definisjoner og referansen tilbake til originalmaterialet.

Resultatet er en vektor med flyttallsverdier; produsenten dokumenterer også base64 som en alternativ transportkoding. OpenAIs parameter for å redusere dimensjoner gjelder embeddingmodeller fra tredje generasjon og senere, så Ada-modellens dokumenterte resultat med 1 536 dimensjoner holdes atskilt fra denne kontrollen. Lagre modellidentiteten og vektoren sammen med kildeposten slik at senere sammenligninger bruker en konsekvent representasjon.

Embeddingveiledningen anbefaler cosinuslikhet og sier at OpenAI-embeddings er normalisert til enhetslengde. For disse vektorene kan et skalarprodukt beregne cosinuslikhet, og euklidisk avstand gir samme rangering. En likhetsskår er en del av applikasjonens gjenfinnings- eller klassifiseringslogikk, ikke en kategorisk avgjørelse modellen leverer automatisk.

Definer hvilke kildefelt som blir inndatateksten, og hvordan passasjer skal deles. Et illustrerende resultat er et rangert sett med dokumentpassasjer eller relaterte poster, hver knyttet til den opprinnelige kilden og regelen som ble brukt for utvalget. Hold klargjøringen konsekvent, og vurder om det returnerte materialet gjelder det faktiske spørsmålet. Dette gjør det numeriske resultatet nyttig til neste søke-, anbefalings- eller analysetrinn.

Ailoot Ultra · Vektorrepresentasjoner POST /v1/embeddings openai/text-embedding-ada-002

openai/text-embedding-ada-002

OpenAI /openai/text-embedding-ada-002
Modell-ID
  • openai/text-embedding-ada-002
  • text-embedding-ada-002

Start

En tekstembeddingmodell fra OpenAI som returnerer en numerisk vektor med 1 536 dimensjoner. Bruk representasjonene til semantisk søk, anbefalinger av relatert innhold, klyngedannelse, klassifisering eller oppdagelse av uvanlige tekstposter.

Godkjente inndata
Tekst · token_ids
Resultater
embedding

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · Vektorrepresentasjoner POST /v1/embeddings
Inndatatyper
text, token_ids
Utdatatyper
embedding
Kontekst
8 192 tokens
Utdataformat
json
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
openai/text-embedding-ada-002
Standard—
FeltinputTypestring|string[]|integer[]|integer[][]KravPåkrevdVerdier & grenser
Minste antall elementer: 1
Vilkår: Ikke-tom batch med ensartede elementer. Token-ID-er er ikke-negative heltall.
Inndatabudsjett: Maksimum: 8 192 · Tekstenhet: UTF8-byte · Tokenenhet: elementer i token-arrayet
Standard—
Feltencoding_formatTypestringKravValgfrittVerdier & grenser
float
Standardfloat
FeltdimensionsTypeintegerKravStøttes ikkeVerdier & grenser
Minimum: 1
Standard—
FeltuserTypejson_valueKravValgfrittVerdier & grenser
Vilkår: Kilden tillater dette JSON-metadatafeltet; den nøyaktige semantikken hos den underliggende leverandøren er modellavhengig.
Standard—
Feltsession_idTypejson_valueKravValgfrittVerdier & grenser
Vilkår: Kilden tillater dette JSON-metadatafeltet; den nøyaktige semantikken hos den underliggende leverandøren er modellavhengig.
Standard—
FelttraceTypejson_valueKravValgfrittVerdier & grenser
Vilkår: Kilden tillater dette JSON-metadatafeltet; den nøyaktige semantikken hos den underliggende leverandøren er modellavhengig.
Standard—
FeltproviderTypeobjectKravValgfrittVerdier & grenser
Vilkår: provider.options avvises
Standard—
Kombinasjoner av inngående materialer

text_to_embedding

Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, input
Parameterinput_shapesAvtalestring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parameterencoding_formatAvtalefloat
Parameterdimensions_overrideAvtalefalse
Parametermax_input_budget_unitsAvtale8192
Parametermultimodal_objectsAvtalefalse
Parametermaterial_typesAvtaletext, token_ids

Livssyklus: synchronous_json

Bevar hver vektors indeks og dimensjon.

Et multimodalt modellnavn innebærer ikke at bildeobjekter er tillatt på denne nøyaktige stien.

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Standardpris Når hurtigmodus er valgt
Flex-modus
Standardpris Når flex-modus er valgt
Maksimal resonneringsinnsats
Standardpris Når justeringen «default» brukes for maksimal resonneringsinnsats

Ailoot-satser

Priser etter konfigurasjon

KonfigurasjonPrisplanKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsKostnad
Inndata · Inngående tokener $0.0002 / 1K tokener
Utdata · Utgående tokener $0 / 1K tokener
Inndata · Lesing fra hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Eksempelforespørsler

Ailoot Ultra · Vektorrepresentasjoner

curlPython SDK
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "openai/text-embedding-ada-002", "input": ["First document", "Second document"]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
from openai import OpenAI
import os

client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='openai/text-embedding-ada-002',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)

Motta og lagre resultater

Ailoot Ultra · Vektorrepresentasjoner

json

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Bevar hver vektor sammen med indeksen. Antall vektorer må være lik antall inndata; dimensjonene må være konsistente.

Hvis det opprinnelige svaret må kontrolleres

Det innføres ikke noe endepunkt for embedding-jobber.

Svarfelter
FeltType
FeltobjectTypestring
FeltmodelTypestring
Feltdata[].indexTypeinteger
Feltdata[].embeddingTypefinite float[]
FeltusageTypeobject
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdiNeste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.

Aliaser

Modellaliaser

Ailoot Ultra openai/text-embedding-ada-002, text-embedding-ada-002

Aliaser for metodestier

Bruk metodestiene som vises ovenfor.

Tilknyttede anroper-ID-er

openai/text-embedding-ada-002, text-embedding-ada-002

Ailoot Ultra · Vektorrepresentasjoner · text-embedding-ada-002 POST /v1/embeddings text-embedding-ada-002

text-embedding-ada-002

OpenAI /text-embedding-ada-002
Modell-ID
  • openai/text-embedding-ada-002
  • text-embedding-ada-002

Start

En tekstembeddingmodell fra OpenAI som returnerer en numerisk vektor med 1 536 dimensjoner. Bruk representasjonene til semantisk søk, anbefalinger av relatert innhold, klyngedannelse, klassifisering eller oppdagelse av uvanlige tekstposter.

Godkjente inndata
Tekst
Resultater
embedding

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · Vektorrepresentasjoner · text-embedding-ada-002 POST /v1/embeddings
Inndatatyper
text
Utdatatyper
embedding
Kontekst
8 192 tokens
Utdataformat
json
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
text-embedding-ada-002
Standard—
FeltinputTypestring|string[]|integer[]|integer[][]KravPåkrevdVerdier & grenser
Minste antall elementer: 1
Vilkår: Ikke-tom batch med ensartede elementer. Token-ID-er er ikke-negative heltall.
Inndatabudsjett: Maksimum: 8 192 · Tekstenhet: UTF8-byte · Tokenenhet: elementer i token-arrayet
Standard—
Feltencoding_formatTypestringKravValgfrittVerdier & grenser
float
Standardfloat
FeltdimensionsTypeintegerKravStøttes ikkeVerdier & grenser
Minimum: 1
Standard—
FeltuserTypejson_valueKravValgfrittVerdier & grenser
Vilkår: Valgfrie JSON-metadata; den eksakte betydningen hos leverandøren avhenger av den valgte modellen.
Standard—
Feltsession_idTypejson_valueKravValgfrittVerdier & grenser
Vilkår: Valgfrie JSON-metadata; den eksakte betydningen hos leverandøren avhenger av den valgte modellen.
Standard—
FelttraceTypejson_valueKravValgfrittVerdier & grenser
Vilkår: Valgfrie JSON-metadata; den eksakte betydningen hos leverandøren avhenger av den valgte modellen.
Standard—
FeltproviderTypeobjectKravValgfrittVerdier & grenser
Vilkår: provider.options avvises
Standard—
Kombinasjoner av inngående materialer

text_to_embedding

Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, input
Parameterinput_shapesAvtalestring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parameterencoding_formatAvtalefloat
Parameterdimensions_overrideAvtalefalse
Parametermax_input_budget_unitsAvtale8192
Parametermultimodal_objectsAvtalefalse
Parametermaterial_typesAvtaletext
Parametertext_file_materialAvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen.

Livssyklus: synchronous_json

Send den eksakte modell-ID-en og de påkrevde feltene.

Behold hvert returnert element og de opprinnelige identifikatorene.

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Standardpris Når hurtigmodus er valgt
Flex-modus
Standardpris Når flex-modus er valgt
Maksimal resonneringsinnsats
Standardpris Når justeringen «default» brukes for maksimal resonneringsinnsats

Ailoot-satser

Priser etter konfigurasjon

KonfigurasjonPrisplanKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsKostnad
Inndata · Inngående tokener $0.0002 / 1K tokener
Utdata · Utgående tokener $0 / 1K tokener
Inndata · Lesing fra hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Eksempelforespørsler

Ailoot Ultra · Vektorrepresentasjoner · text-embedding-ada-002

Komplett, minimal JSON-kroppcurl · bruk UTF-8-dokumentet dittPython · lagre hele resultatet
{
  "model": "text-embedding-ada-002",
  "input": [
    "First document",
    "Second document"
  ],
  "encoding_format": "float"
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'text-embedding-ada-002', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}
payload['input'] = [text]
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
for vector in result.get('data', []):
    print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'text-embedding-ada-002', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}
payload['input'] = [text]
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}
headers['Authorization'] = 'Bearer ' + api_key
request = Request('https://api.ailoot.ai/v1/embeddings', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
for vector in result.get('data', []):
    print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))

Motta og lagre resultater

Ailoot Ultra · Vektorrepresentasjoner · text-embedding-ada-002

json

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Behold hver vektor med endelige verdier og dens opprinnelige indeks. Bevar alle dimensjoner og hele forbruksobjektet.

Hvis det opprinnelige svaret må kontrolleres

Det innføres ikke noe endepunkt for embedding-jobber.

Svarfelter
FeltType
FeltobjectTypestring
FeltmodelTypestring
Feltdata[].indexTypeinteger
Feltdata[].embeddingTypefinite float[]
FeltusageTypeobject
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdiNeste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.

Aliaser

Modellaliaser

Ailoot Ultra openai/text-embedding-ada-002, text-embedding-ada-002

Aliaser for metodestier

Bruk metodestiene som vises ovenfor.

Tilknyttede anroper-ID-er

openai/text-embedding-ada-002, text-embedding-ada-002

FAQ · OpenAI: Text Embedding Ada 002
Hvilke inndata og resultater er tilgjengelige?

POST /v1/embeddings · openai/text-embedding-ada-002: text, token_ids → embedding

POST /v1/embeddings · text-embedding-ada-002: text → embedding

Hvilke felt bruker forespørselen?

POST /v1/embeddings · openai/text-embedding-ada-002: model, input, encoding_format, provider

POST /v1/embeddings · text-embedding-ada-002: model, input, encoding_format, provider

Hvilke grenser gjelder?

POST /v1/embeddings · openai/text-embedding-ada-002: ctx: 8192; input.budget.maximum: 8192 (UTF8-byte); input.min_items: 1

POST /v1/embeddings · text-embedding-ada-002: ctx: 8192; input.budget.maximum: 8192 (UTF8-byte); input.min_items: 1

Flere detaljer

Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon.

Selskapet og dets prosjektportefølje

Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder.

Kjøp tokener med rabatt.

Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp.

Abonnement
Velg et rabattabonnement for faste forespørsler.
Kampanjekode opptil 50%
Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje.
Kostnader i historikken
Modell, tokener og beløp lagres for hver forespørsel.

Velg abonnement · Se modellpriser

Koble API-et til produktet du selger.

SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg.

Kommersiell applikasjon
Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten.
Forhandlerlisens
Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg.
Dokumenter på nettstedet
Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling.

Be om forhandlerlisens · Offentlig tilbud og lisensavtale